量化智能体技能集 JingxuanC/quant-agent-skills

量化智能体技能集

让 Agent 记住你的每一次判断 —— 17 个分析技能 + 5 个记忆核心技能数据是商品，计算是工具，记忆才是资产。

为什么记忆才是核心

大多数量化工具集只做两件事：取数（行情/资金/财报）和计算（因子/回测/因果）。这两层都是商品：

| 层 | 可替代性 | 谁能做 |
| 取数 | 很高 | Tushare / akshare / 东财 / 同花顺 |
| 计算 | 中 | qlib / statsmodels / econml 全开源 |
| 记忆 | 很低 | 记录“你的决策 → 你的结果”，无人能复制 |

同样的工具，有没有记忆是两种产品：

❌ 无记忆 Agent：你：现在市场什么状态？
Agent：regime = range，置信度 0.7 ← 一个孤立的数字你：（下个月再问，它还是只会说这一句）

✅ 有记忆 Agent：你：现在市场什么状态？
Agent：（先检索）你在类似情境下判断过 4 次，2 次正确，且都在「切换期」看错 → regime = range（置信度已下调） → 本次判断已存入记忆，5 个交易日后可回来对账

用一年后：前者给你 365 个孤立读数；后者给你一套只属于你的交易经验库——这才是别人拿不走的。

22 个技能

🧠 记忆核心（5）—— 产品灵魂

| # | 技能 | 用户会这么说 | 作用 |
| 1 | trade-journal | 记一下我这次买的 / 把我的判断存下来 | 把交易与判断结构化落账（决策/理由/预期/验证期） |
| 2 | review-loop | 回顾一下我这段时间的操作 / 我上次判断对了吗 | 找到待验证决策 → 对照实际 → 回填结果 → 提炼教训 |
| 3 | similar-cases | 我以前遇到过类似情况吗 | 检索历史相似情境的判断与结果，对照当前 |
| 4 | what-if | 如果当时没卖会怎样 / 这两个方案哪个好 | 反事实对比（决策前比较选项，决策后复盘未选路径） |
| 5 | memory-health | 我的记忆库怎么样 / 我的预测准吗 | 记忆库体检：预测命中率、矛盾解决、错误经验软失效 |

🔬 分析技能（17）—— 每个都带记忆回路

每个分析技能都是「前置检索 → 执行计算 → 后置写记忆 → 输出带历史参照」的闭环。

| 类别 | 技能 | 用户会这么说 |
| 🛡 持仓风险 | portfolio-checkup rebalance-plan volatility-alert | 我的持仓有风险吗 / 该怎么调仓 / 波动会不会变大 |
| 📈 市场状态 | market-regime trend-turning | 现在什么状态 / 是趋势还是回调 |
| 🔮 走势预测 | kline-forecast next-day-prediction | 未来几天怎么走 / 明天大概怎么走 |
| 📡 消息发现 | news-radar | 今天有什么消息 / 最近发生了什么 / 扫一下消息面 |
| ⚡ 事件因果 | event-impact event-counterfactual event-propagation sector-linkage | 这消息有影响吗 / 这事拉动多少 / 会传导到谁 / 谁带谁 |
| 🔍 结论检验 | news-credibility | 这个结论靠谱吗 / 这信号是真的吗 / 是不是过拟合 |
| 🧪 因子策略 | factor-vitality factor-production-check | 因子还能用吗 / 能上实盘吗 |
| 🔄 批量运维 | batch-screening task-status | 帮我扫一批 / 任务跑完了吗 |

快速开始

1. 接入 MCP 工具（至少挂记忆 + 数据 + 计算三组）

⚠️ 其中 news-radar 与 event-propagation 依赖两个自建服务（news-mcp、 causal-chain-mcp），不在 hub 上，需要自己 clone + make serve。
其余 20 个技能只需 hub 的 data / alpha / memory 三组。详见 mcp-config/README.md。

{
"mcpServers": {
"mcphub-memory": { // 🧠 记忆层（核心，必挂）
"type": "streamable-http",
"url": "https://causal-memory.com/hub/mcp/memory",
"headers": { "Authorization": "Bearer YOUR_MCPHUB_KEY" }
},
"mcphub-data": { // 📊 数据层（技能自动取数，必挂）
"type": "streamable-http",
"url": "https://causal-memory.com/hub/mcp/data",
"headers": { "Authorization": "Bearer YOUR_MCPHUB_KEY" }
},
"mcphub-alpha": { // 🔬 计算层（因子/因果/预测）
"type": "streamable-http",
"url": "https://causal-memory.com/hub/mcp/alpha",
"headers": { "Authorization": "Bearer YOUR_MCPHUB_KEY" }
}
}
}

只挂 alpha（计算）会退化成“一次性计算器”——记忆才是这个仓库的价值。
各客户端详细配置见 mcp-config/（Claude Code / Cursor / Cline / DSH）

2. 挂载技能

cp -r skills/* ~/.dsh/skills/ # DSH
cp -r skills/* ~/.claude/skills/ # Claude Code

3. 用起来

你：记一下，我今天在 002371 上减了半仓，理由是看到变点信号，预期 5 日内回调 Agent：（trade-journal）已记录：决策=减仓 002371 至 50%｜理由=变点信号｜预期=5日内回调｜验证期=5个交易日

—— 5 天后 ——

你：回顾一下我上周的操作 Agent：（review-loop）1 条待验证决策：002371 减仓实际：5 日内 -3.2%（低于预期幅度）→ 回填结果教训：变点信号确实提示了回调，但幅度判断偏乐观已写入记忆。你在「变点信号」类情境下历史 3 次，2 次方向对、幅度均偏乐观

依赖的工具（111 个 · 4 个组）

| 组 | 端点 | 工具数 | 作用 |
| memory | /hub/mcp/memory | 17 | 🧠 记忆层：决策记账、因果检索、反事实、预测校准 |
| data | /hub/mcp/data | 59 | 📊 数据层：A 股全维（行情/资金/龙虎榜/涨停池/公告/研报/期权/两融）+ 美股宏观 |
| alpha | /hub/mcp/alpha | 31 | 🔬 计算层：因子挖掘（17）+ 因果推断（9）+ K 线预测（5） |
| match | /hub/mcp/match | 4 | fetch / 时间 / 顺序思考（可选） |

展开：memory 组 17 个记忆工具（核心）

写入：record_decision（决策→结果因果边）record_fact（稳定事实）remember（自动提取）

检索：search_causal search_facts search_memory（融合）search_patterns（跨任务模式）causal_directory（最近决策）

推理：counterfactual_query（选项对比）intervention_query（行动前预测）trace_cause / trace_cause_chain（根因反推）reconstruct_lesson（教训重建）

维护：prediction_report（预测校准）resolve_updates（矛盾解决）invalidate_decision / invalidate_pattern（错误经验软失效）

展开：data 组 59 个 · alpha 组 31 个

data · A 股（45）：get_a_realtime get_a_hist get_a_intraday get_a_indices get_a_fund_flow_120d get_a_fund_flow_minute get_a_north_flow get_a_margin get_a_dragon_tiger get_a_limit_up_pool get_a_broken_board get_a_board_emotion get_a_zt_reason get_a_hot_rank get_a_news get_a_announcements get_a_reports get_a_eps_forecast get_a_financials get_a_holder_num get_a_lockup_expiry get_a_option_greeks …（完整清单见 mcp-config/）

data · 全球（14）：美股行情/基本面/内部交易、Reddit、StockTwits、FRED 宏观、Polymarket 预测市场等

alpha · 因子（17）：compute_factors factor_backtest factor_oos_check factor_recent_ic factor_tearsheet ml_train_rolling ml_predict ml_metrics portfolio_optimize regime_detect change_point vol_forecast job_status …
alpha · 因果（9）：event_study event_study_batch causal_impact refute learn_graph granger_te pcmci_discover dml_cate alpha · 预测（5）：kronos-forecast_kline kronos-forecast_signal kronos-forecast_batch kronos-model_info

技能格式

标准 Agent Skills 格式（Markdown + YAML frontmatter），兼容 DSH / Claude Code / Cursor：

name: market-regime
description: 当用户问当前市场状态时使用。用户可能说「现在什么状态」「该进攻还是防守」。

何时使用记忆回路（前查后记） ← 本仓库的核心差异工具链输出格式（含「历史参照」必填小节）合规边界

⚠️ 合规声明

本仓库只提供量化计算的工具编排与个人决策记录，不提供证券投资建议。

- ✅ 允许：风险指标、统计显著性、最优权重、你自己的历史决策记录与命中率
- ❌ 不输出：买入/卖出建议、目标价、收益承诺
- 记忆记录的是用户自己的决策与结果，不是对他人的建议
- 详见 DISCLAIMER.md

License

MIT

Quant Agent Skills — 20 agent skills (15 analysis + 5 memory-core) that turn 111 quantitative MCP tools into plain-language workflows.

The core insight: data and computation are commodities, memory is the asset. Every analysis skill is a closed loop: retrieve past episodes → compute → record this decision → report with historical reference. After a year you don't have 365 isolated readings — you have a personal trading experience base nobody can copy.

Compliance: tool orchestration and personal decision journaling only — no investment advice. See DISCLAIMER.md.

MIT License.